Riconoscimento di un logo in immagini

Question

Qualcuno conosce il lavoro accademico recente che è stato fatto sul riconoscimento del logo nelle immagini? Si prega di rispondere solo se si ha familiarità con questo argomento specifico (posso cercare Google per "riconoscimento logo" me stesso, grazie mille). Chiunque sia esperto in computer vision e abbia svolto attività di riconoscimento degli oggetti è il benvenuto a commentare.

Aggiornamento: prega di fare riferimento agli aspetti algoritmici (quale approccio si pensa sia opportuno, carte nel campo, se deve lavorare (ed è stato testato) per i dati del mondo reale, considerazioni di efficienza) e non tecnico lati (il linguaggio di programmazione utilizzato o se era con OpenCV ...) Anche il lavoro sull'indicizzazione delle immagini e il recupero di immagini basate sul contenuto possono essere d'aiuto.

Answer 1

Si potrebbe provare a utilizzare le funzioni locali come SIFT qui: http://en.wikipedia.org/wiki/Scale-invariant_feature_transform

Dovrebbe funzionare, perché la forma del logo è di solito costante, caratteristiche in modo estratte devono abbinare bene.

lavoro sarà così:

1. Detect angoli (ad esempio Harris rivelatore angolo) - per Nike logo sono due estremità affilate.

2. descrittori Calcola (come SIFT - 128D intero vettore)

3. Sul palco la formazione li ricordo; nella fase di abbinamento trova i vicini più vicini per ogni funzione nel database ottenuta durante l'allenamento. Infine, hai una serie di fiammiferi (alcuni di questi probabilmente non sono corretti).

4. Sementi di corrispondenza errati utilizzando RANSAC. Così otterrai la matrice che descrive la trasformazione dall'immagine del logo ideale a quella in cui trovi il logo. A seconda delle impostazioni, è possibile consentire diversi tipi di trasformazioni (solo traduzione, traduzione e rotazione, trasformazione affine).

Il libro di Szeliski ha un capitolo (4.1) sulle caratteristiche locali. http://research.microsoft.com/en-us/um/people/szeliski/Book/

P.S.

1. ho pensato vuoi trovare loghi in foto, ad esempio trovare tutti cartelloni pubblicitari Pepsi, in modo che potessero essere distorto. Se hai bisogno di trovare un logo di un canale TV sullo schermo (in modo che non venga ruotato e ridimensionato), potresti farlo più facilmente (abbinamento di modelli o qualcosa del genere).

2. SIFT convenzionale non considera le informazioni sul colore.Poiché i loghi di solito hanno colori costanti (anche se il colore esatto dipende da un fulmine e dalla fotocamera), potresti voler considerare le informazioni sul colore in qualche modo.

Answer 2

Ho lavorato a un progetto in cui dovevamo fare qualcosa di molto simile. All'inizio ho provato ad utilizzare le tecniche di formazione Haar usando questo software

OpenCV

Ha funzionato, ma non era una soluzione ottimale per le nostre esigenze. Le nostre immagini di origine (dove cercavamo il logo) erano di dimensioni fisse e contenevano solo il logo. Per questo motivo siamo stati in grado di utilizzare cvMatchShapes con una buona corrispondenza conosciuta e confrontare il valore restituito per ritenere una buona corrispondenza.

Answer 3

Ha lavorato su questo: corrispondenza dei marchi e recupero in sport database di video ottenere un PDF del documento: http://scholar.google.it/scholar?cluster=9926471658203167449&hl=en&as_sdt=2000

Abbiamo usato SIFT come descrittori di marchio e di immagine, e un abbinamento di soglia normalizzato per calcolare la distanza tra modelli e immagini. Nel nostro ultimo lavoro siamo stati in grado di ridurre notevolmente il calcolo utilizzando i meta-modelli, creati valutando la rilevanza dei punti SIFT presenti in diverse versioni dello stesso marchio.

Direi che in generale lavorare con i video è più difficile che lavorare sulle foto a causa della pessima qualità visiva degli standard TV attualmente utilizzati.

Marco

Answer 4

Abbiamo lavorato al riconoscimento/riconoscimento del logo nelle immagini del mondo reale. Abbiamo anche creato un set di dati FlickrLogos-32 e reso disponibile al pubblico, inclusi dati, verità di base e script di valutazione.

Nel nostro lavoro abbiamo trattato il riconoscimento del logo come problema di recupero per semplificare il riconoscimento multi-classe e consentire a tali sistemi di essere facilmente scalabili a molte (ad esempio migliaia) classi di loghi.

Recentemente, abbiamo sviluppato una tecnica di raggruppamento chiamata Bundle min-Hashing che aggrega configurazioni spaziali di più funzionalità locali in bundle di caratteristiche altamente distintive. La rappresentazione del pacchetto è utilizzabile sia per il recupero che per il riconoscimento. Vedere il seguente esempio mappe termiche per i rilevamenti logo:

Troverete maggiori dettagli sulle operazioni interne, potenziali applicazioni dell'approccio, esperimenti sulla sua prestazione e naturalmente anche molti riferimenti a lavori connessi a i documenti [1][2].